基于TV模型和纹理合成的图像修复算法研究
摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第一章 绪论 | 第10-15页 |
·图像修复的研究背景与意义 | 第10-12页 |
·图像修复算法的国内外研究现状 | 第12-13页 |
·本文工作以及论文结构安排 | 第13-14页 |
·本章小结 | 第14-15页 |
第二章 图像修复理论及方法 | 第15-29页 |
·图像修复理论 | 第15-18页 |
·认知心理学格式塔理论与图像修复 | 第15-16页 |
·图像修复的三大原则 | 第16-17页 |
·图像修复效果的评判标准 | 第17-18页 |
·基于非纹理的图像修复算法 | 第18-23页 |
·BSCB 修复模型 | 第19-20页 |
·整体变分(TV)修复模型 | 第20-21页 |
·曲率驱动扩散(CDD)模型 | 第21-22页 |
·基于快速行进法的图像修复 | 第22-23页 |
·基于纹理合成的图像修复算法 | 第23-26页 |
·图像纹理简介 | 第23-24页 |
·纹理合成技术 | 第24-25页 |
·基于纹理合成的图像修复 | 第25-26页 |
·算法分析与比较 | 第26-28页 |
·本章小结 | 第28-29页 |
第三章 改进的TV 模型图像修复算法 | 第29-39页 |
·TV 模型回顾 | 第29-32页 |
·建立TV 模型 | 第29-30页 |
·TV 模型的数值实现 | 第30-32页 |
·基于TV 模型的图像修复算法改进 | 第32-34页 |
·实验结果及比较分析 | 第34-38页 |
·本章小结 | 第38-39页 |
第四章 基于纹理合成的图像修复算法 | 第39-54页 |
·Criminisi 算法简介 | 第39-40页 |
·优先权的计算 | 第39-40页 |
·最佳匹配块的选择并填充 | 第40页 |
·置信度更新 | 第40页 |
·Criminisi 算法的不足 | 第40-41页 |
·改进的纹理合成的图像修复算法 | 第41-47页 |
·预备知识 | 第41-42页 |
·确定当前待修复图像块 | 第42-45页 |
·修复当前图像块中的未知像素点 | 第45-47页 |
·更新处理状态信息 | 第47页 |
·实验及结果对比 | 第47-52页 |
·交互式的纹理合成修复方法 | 第52-53页 |
·本章小结 | 第53-54页 |
第五章 基于图像分解的图像修复算法 | 第54-62页 |
·图像的分解 | 第54-57页 |
·图像分解模型 | 第54-55页 |
·图像分解的数值实现 | 第55-56页 |
·图像分解的实验结果 | 第56-57页 |
·图像分解的修复算法实现 | 第57-58页 |
·实验结果及对比分析 | 第58-61页 |
·本章小结 | 第61-62页 |
结论 | 第62-64页 |
参考文献 | 第64-67页 |
攻读硕士学位期间发表论文和取得的科研成果 | 第67-68页 |
致谢 | 第68-69页 |
附件 | 第69页 |